Los modelos de generación de video ya producen imágenes visualmente convincentes, pero el Índice de IA 2026 de Stanford halla que aún les cuesta plasmar correctamente la física y la coherencia. En VBench-2.0, que puntúa los videos por su fidelidad a la realidad evaluada por humanos y no solo por su pulido visual, ningún modelo evaluado a principios de 2026 superó una puntuación total de Veo 3 lidera el benchmark de realismo en video VBench-2.0 con 66,7% — ningún modelo de video probado supera el 67%
VBench-2.0 es un benchmark que evalúa los modelos de generación de video en su adherencia a la realidad, puntuándolos en cinco dimensiones que incluyen Fidelidad Humana (Human Fidelity), Creatividad (Creativity), Controlabilidad (Controllability), Física (Physics) y Sentido Común (Commonsense). El informe del Stanford AI Index para 2026 afirma que ningún modelo evaluado a principios de 2026 logró una puntuación total superior al 67 % en este benchmark. Veo 3 de Google DeepMind lideró con una puntuación del 66,7 %.
Verificado 2026-09-06
Síguelo con IniciadoPor qué importa
El video de IA puede parecer real pero aún así romper las leyes de la física, por lo que el pulido no es lo mismo que la precisión.
Más sobre Modelos
- Los modelos de IA ya pueden ganar el oro en la Olimpiada Internacional de Matemáticas, pero el AI Index 2026 de Stanford halló que aún fallan en una tarea que la mayoría de los niños dominan pronto. En los 180 diseños de reloj y 720 preguntas de ClockBench, el mejor modelo, GPT-5.4 High, leyó correctamente relojes analógicos solo el 50,6 % de las veces, frente al 90,1 % de los humanos
- Tras casi cerrarse brevemente en 2024, la brecha de rendimiento entre los mejores modelos de IA de pesos cerrados y abiertos volvió a ampliarse en el ranking Arena. A marzo de 2026, el AI Index 2026 de Stanford encuentra que el mejor modelo cerrado lidera al mejor modelo abierto por un 3,3 %, frente a una ventaja del 0,5 % en agosto de 2024
- El Índice de IA 2026 de Stanford hace seguimiento del desempeño de los modelos de IA en GPQA Diamond, un conjunto de preguntas de química y física de nivel doctoral diseñadas para resistir las búsquedas en Google. La precisión media de los modelos en esta prueba alcanzó el 93 % en 2025, frente a una referencia de validadores humanos expertos de 81,2 % -- los modelos de IA ya superan a los expertos con doctorado por 12 puntos en GPQA Diamond
GRATIS · SIN TARJETA
Datos como este, seis días a la semana
The Daily Receipts entre semana, The Weekly Brief los sábados — seis datos con fuente al día por email, dos más que la web gratuita. Cada uno trazado hasta el documento del que salió. Gratis.
Quiero el brief diario gratisGratis · Sin tarjeta · Date de baja cuando quieras
Únete ahora y empiezas con 100 Receipts en The Receipts Ledger — tu primer paso hacia un año gratis de Iniciado o Pro. Cómo funciona →
Ver la edición de hoy →